周鸿祎一小时密集输出：AI落地最大的误区，是把先进发动机装在马车上

人人都在用AI，公司效率却没提高；

攻击成本降了100倍，防御还在用老办法；

AI写的代码越来越完美，网络安全的基础反而更脆弱了。

问题到底出在哪里？

在近日举行的第十四届互联网安全大会（ISC）上，360集团创始人周鸿祎给出了他的回答。

效率没提高

周鸿祎分享了一个让他困惑的现象：有些公司人人都在用AI编程工具，人人都消耗大量Token，个人代码提交量显著增加，但整个组织的效率并没有提升。

问题出在哪里？他将矛头指向组织本身。产品经理用AI写产品规划，开会讨论、批准，再交给程序员分解前后端，各自用AI编程，最后汇总测试。每个环节都在用AI，但流程、岗位定义全都是旧的。“买了最先进的发动机装在马车上，效果是不行的。”

他以Anthropic为例：那里没有传统意义上的产品经理，也没有前后端工程师之分，全员全栈。有功能争论，直接做两个版本看用户反馈。代码库对所有人开放，因为“代码不值钱”。产品经理接到用户投诉，自己就能改Bug。

周鸿祎还举了个例子做对比，过去某块软件由四个团队分别开发，出了Bug后四个团队开会“会诊”，每个团队先证明“这个Bug不是我出的”，扯皮半天。而在AI native的公司里，任何工程师都能把代码库提交给AI排查，产品经理也能直接修Bug。原来自分工明确、权限严格的体系，忽然要面对一个根本问题：要不要改变做事的方法？

“把人变成超级个体是一个阶段，把组织变成超级组织是第二个阶段。”周鸿祎说，第二个阶段比想的复杂得多。企业要回答的不是“要不要上AI”，而是“要不要改变企业文化、压平管理流程、重新定义岗位”。不解决这些问题，AI就只是个人提效工具，组织效率原地踏步。

关于Token消耗，周鸿祎经历了态度转变。最初为培养员工用AI的习惯，他鼓励多烧Token，引用任正非的话，“先僵化、再固化、再优化”，哪怕拿Token写网络文学也行。但当习惯养成后，重点转向效率。

他发现一个关键差异，工作流型智能体沿着人定路径执行，Token消耗可控；而开放推理型智能体为追求目标会不断尝试各种可能性，消耗可达前者的几十倍甚至上百倍。“龙虾随便说几句话、查个天气，就要消耗上千万Token。做个PPT得上亿。”360因此在纳米WORK中放弃了龙虾路线，转向更可控的方案。

他的标准是，消耗1亿Token，总要对应可见产出：代码提交、产品方案，或一个能复用的Agent。

口香糖的故事

周鸿祎讲了一个口香糖的故事：口香糖曾在中国卖得很好，因为人们在超市结账找零时顺手买一包。后来移动支付普及，找零的场景消失了，口香糖销量随之大跌。干掉它的不是另一家口香糖公司，而是移动支付。

他以此来警示网络安全行业。Anthropic做Mythos，本意是让大模型更好地理解和编写代码，顺带做安全审计。没想到模型能力涌现之后，不仅具备批量挖掘漏洞的能力，还能自动编写攻击代码。无意中对网络安全形成了降维打击。

Mythos将漏洞挖掘数量提升100倍，速度提升两个数量级，成本下降两个数量级。周鸿祎用一组对比来描述这种攻防不对称：过去攻防双方用导弹互射，造价相当，勉强平衡；现在攻击方的漏洞变成了几千美元一架的无人机，防御方却还在用十万甚至百万美元一枚的防空导弹去拦截。“防空导弹打完了，天上还有三千架无人机。”

“传统网络安全厂商会被大模型厂商无情地干掉，干掉你的往往不是同行。”

这也是360发起“磐石之盾”安全联盟的初衷：联合20家国产芯片、服务器、操作系统、数据库厂商，用中国版Mythos免费为关键基础设施挖掘漏洞，主动修补、自动化防御。周鸿祎认为，中国必须有自己的Mythos，但使用必须是受控的、面向ToB授权认证的，不能无限制开放，否则会让网络攻击“平民化”。

当被问及“如果AI写的代码完美无缺，漏洞挖掘是否就不需要了”，周鸿祎给出了一个出人意料的回答。

他认为即使AI编码趋于完美，网络安全的基础也不会消失。原因有三：其一，AI跟人学习，仍会产生漏洞，且AI写代码速度更快、数量更多，反而需要更多人工复核；其二，大量入侵根本不靠技术漏洞，而是弱口令和社交工程，“人性成了最大的漏洞”；其三，硬件后门是AI无法解决的，某些出口设备中被植入的远程控制接口，一旦发现实际使用地与出厂设定不符，可以被遥控关闭。

新物种的不可预言性

智能体安全，周鸿祎最焦虑的不是病毒或漏洞，而是“不确定性”。

他认为多数人对智能体存在根本性的认知偏差：把它当软件、当工具。“智能体是一个新的物种。”它能自主推理、调用工具、甚至自我进化。在个人手中，越用越聪明是优点；但在企业内部，买了一个软件用了一年功能全变了，还没人告诉你变了什么，这对企业是不可接受的。

他将智能体分为两类：工作流型，按既定流程使用企业认定的工具和技能；推理型，只给目标就自行寻找路径。后者能力更强，但风险不可预言。“你不知道它哪天会突发奇想干什么。”开放推理型智能体为了达到目的会不择手段地调用工具、申请权限，像一个“不守规则又拿到无限权限的员工”。

360曾投入半年做“安全龙虾”，试图解决开放推理型智能体乱删文件、破坏机器的问题，最终发现核心矛盾无法解决：开放推理型智能体的未来行为不可预言。360因此转向参考Claude Code的思路，做可管理、可控的智能体。解决思路是隔离：把智能体放在独立虚拟机或云端“办公室”里，出问题时不会波及企业内网；同时对内部可使用的工具和技能做严格授权，“好比新员工不能自己装一个黑盒工具在企业内网到处探”。

“老的安全问题消除了，又会带来新的安全问题。”周鸿祎把安全从业者比作希腊神话中的西西弗斯：每天辛苦推石上山，以为到了一个阶段可以歇口气，结果AI出现了，老问题解决了一些，新问题又冒出来。

“人类不可能进化到乌托邦时代，啥问题都没有了。”回看周鸿祎给出的回答，三条线索其实指向同一个判断，旧的框架装不下新的生产力。组织架构不变，AI就是个人提效工具，公司效率原地踏步；防御思路不变，智能体攻击就是防空导弹打无人机，成本不对称到无解；认知不变，把新物种当软件管，出事只是时间问题。

发动机已经造好了，问题在于，你愿意换掉那辆马车吗？

(本文首发钛媒体APP，作者 | AGI-Signal，编辑 | 秦聪慧）